Помощь студентам в учебе
ОБЕСПЕЧЕНИЕ ОПТИМАЛЬНЫХ ЭКСПЛУАТАЦИОННЫХ ХАРАКТЕРИСТИК АКТИВНОЙ ЗОНЫ ИССЛЕДОВАТЕЛЬСКОГО РЕАКТОРА ИРТ-Т МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
|
Введение 4
Глава 1. Искусственный интеллект и ядерные технологии 13
1.1 Подходы к созданию систем на основе искусственного интеллекта 13
1.2 Мировой опыт применения технологий искусственного интеллекта в атомной
отрасли 20
1.3 Выводы по главе 1 28
Глава 2. Математическая реконструкция нуклидного состава ядерного топлива 30
2.1 Исследовательский ядерный реактор ИРТ-Т 30
2.1.1 Расчетное сопровождения эксплуатации реактора ИРТ-Т с использованием
программного средства MCU-PTR 34
2.2 Предпосылки к оптимизации эксплуатационных характеристик активной зоны
реактора ИРТ-Т 37
2.2.1 Неравномерность распределения энерговыделения 37
2.2.2 Детализация расчетной модели и возможности оптимизации процесса РСЭ
41
2.3 Концепция реконструкции нуклидного состава топлива 48
2.4 Формирование пространственных распределений выгорания в топливных
элементах 53
2.5 Верификация и валидация метода реконструкции состава топлива 64
2.6 Результаты и выводы по главе 2 72
Глава 3. Прогнозное определение эксплуатационных характеристик активной зоны реактора ИРТ-Т 74
3.1 Статистический анализ распределений энергонапряженности и запаса
реактивности 74
3.1.1 Статистические распределения значений энерговыделения и запаса
реактивности 77
3.1.2 Определение корреляционных связей 88
3.2 Обобщение зависимостей формирования эксплуатационных характеристик
активной зоны 92
3.2.1 Формирование значений КНРЭ в ячейках 92
3.2.2 Формирование значений запаса реактивности реактора 97
3.3 Разработка прогнозных моделей 100
3.2.1 Методы машинного обучения 101
3.2.2 Ансамблирование прогнозных моделей 105
3.2.3 Многозадачное обучение 110
3.4 Верификация и валидация прогнозных моделей 122
3.4.1 Интерпретация результатов и верификация структуры моделей 122
3.4.2 Валидация на основе эталонных расчетов и экспериментальных данных .. 128
3.4 Результаты и выводы по главе 3 134
Г лава 4. Алгоритмизированный поиск оптимальных топливных загрузок активной зоны реактора ИРТ-Т 136
4.1 Формализация процесса направленного случайного поиска 137
4.1.1 Условия оптимизационного поиска и выбор алгоритма 137
4.1.2 Разработка модификационных операторов и процедуры оптимизации 139
4.2 Определение параметров поиска топливных компоновок 143
4.2.1 Определение параметров функции приспособленности 145
4.2.2 Регуляризация решений на основе симметрии топливных ячеек 149
4.3 Формирование оптимальных топливных компоновок активной зоны реактора
ИРТ-Т 152
4.3.1 Тестирование на основе прошлых топливных циклов реактора 152
4.3.1 Опытная эксплуатация ГА 154
4.4 Результаты и выводы по главе 4 158
Заключение 160
Список используемых сокращений и аббревиатур 163
Список литературы 164
Глава 1. Искусственный интеллект и ядерные технологии 13
1.1 Подходы к созданию систем на основе искусственного интеллекта 13
1.2 Мировой опыт применения технологий искусственного интеллекта в атомной
отрасли 20
1.3 Выводы по главе 1 28
Глава 2. Математическая реконструкция нуклидного состава ядерного топлива 30
2.1 Исследовательский ядерный реактор ИРТ-Т 30
2.1.1 Расчетное сопровождения эксплуатации реактора ИРТ-Т с использованием
программного средства MCU-PTR 34
2.2 Предпосылки к оптимизации эксплуатационных характеристик активной зоны
реактора ИРТ-Т 37
2.2.1 Неравномерность распределения энерговыделения 37
2.2.2 Детализация расчетной модели и возможности оптимизации процесса РСЭ
41
2.3 Концепция реконструкции нуклидного состава топлива 48
2.4 Формирование пространственных распределений выгорания в топливных
элементах 53
2.5 Верификация и валидация метода реконструкции состава топлива 64
2.6 Результаты и выводы по главе 2 72
Глава 3. Прогнозное определение эксплуатационных характеристик активной зоны реактора ИРТ-Т 74
3.1 Статистический анализ распределений энергонапряженности и запаса
реактивности 74
3.1.1 Статистические распределения значений энерговыделения и запаса
реактивности 77
3.1.2 Определение корреляционных связей 88
3.2 Обобщение зависимостей формирования эксплуатационных характеристик
активной зоны 92
3.2.1 Формирование значений КНРЭ в ячейках 92
3.2.2 Формирование значений запаса реактивности реактора 97
3.3 Разработка прогнозных моделей 100
3.2.1 Методы машинного обучения 101
3.2.2 Ансамблирование прогнозных моделей 105
3.2.3 Многозадачное обучение 110
3.4 Верификация и валидация прогнозных моделей 122
3.4.1 Интерпретация результатов и верификация структуры моделей 122
3.4.2 Валидация на основе эталонных расчетов и экспериментальных данных .. 128
3.4 Результаты и выводы по главе 3 134
Г лава 4. Алгоритмизированный поиск оптимальных топливных загрузок активной зоны реактора ИРТ-Т 136
4.1 Формализация процесса направленного случайного поиска 137
4.1.1 Условия оптимизационного поиска и выбор алгоритма 137
4.1.2 Разработка модификационных операторов и процедуры оптимизации 139
4.2 Определение параметров поиска топливных компоновок 143
4.2.1 Определение параметров функции приспособленности 145
4.2.2 Регуляризация решений на основе симметрии топливных ячеек 149
4.3 Формирование оптимальных топливных компоновок активной зоны реактора
ИРТ-Т 152
4.3.1 Тестирование на основе прошлых топливных циклов реактора 152
4.3.1 Опытная эксплуатация ГА 154
4.4 Результаты и выводы по главе 4 158
Заключение 160
Список используемых сокращений и аббревиатур 163
Список литературы 164
Актуальность темы исследования. С 2020 г. в Российской Федерации реализуется комплексная программа «Развитие техники, технологий и научных исследований в области использования атомной энергии», которая направлена на формирование безопасной и эффективной энергетической системы, основанной на перспективных ядерных, термоядерных, плазменных и иных технологиях, а также на увеличение экспорта ядерных технологий России. Развитие новых перспективных направлений и проектов включает создание научноисследовательской и экспериментальной базы, а также оптимизацию существующих технологических решений, что является масштабной задачей.
Важную роль в развитии новых разработок играют исследовательские ядерные реакторы (ИЯР), обладающие компактными размерами активной зоны, большим количеством экспериментальных каналов и устройств. Работы, проводимые на базе ИЯР посвящены изучению фундаментальных и прикладных процессов, разработке новых технологий и материалов, а также наработке радиоизотопной продукции технического и медицинского назначения. Повышение производственных возможностей ИЯР - одно из ключевых направлений для увеличения объемов и качества проводимых исследований, которое требует проведения комплекса расчетно-экспериментальных работ для обоснования безопасности и эффективной эксплуатации.
Большой объем исследований, проводимых на базе ИЯР, осуществляется с использованием программных средств (ПС), которые позволяют моделировать физические процессы, протекающие в активной зоне. В качестве традиционного подхода к определению характеристик излучения используются математические модели на основе генератора случайных чисел (метод Монте-Карло, ММК) [1]. Они являются универсальными и обладают высокой точностью, что позволяет определять нейтронно-физические характеристики (НФХ) в гетерогенной структуре активной зоны. Моделирование вероятностных характеристик ММК требует больших (кластерных) вычислительных мощностей, что является существенным недостатком и накладывает ограничения на количество проводимых расчетно-экспериментальных обоснований. Для нивелирования недостатков ММК распространено применение аналитических и инженерных кодов, позволяющих проводить оценочные (первичные) расчеты отдельных элементов и узлов, которые впоследствии могут быть уточнены. Однако ограничения и упрощения, реализованные в таких кодах, являются причиной накопления статистической ошибки, что может привести к неверному конечному результату.
Стремительное развитие информационных технологий, сопровождающееся ростом производительности вычислительных систем, открывает возможности для создания и адаптации новых методов моделирования. К таким подходам можно отнести инструменты и алгоритмы искусственного интеллекта (ИИ), которые используют не фундаментальные физические законы, а обобщенные статистические методы в совокупности с многолетним накопленным опытом (массивы данных). Ключевая особенность ИИ-моделей - возможность обучаться и обобщать характер распределений данных, что позволяет описывать изученные процессы, предсказывать новые значения и находить более оптимальные решения в задачах, где расчетные методы менее эффективны или не могут быть применены.
Использование технологий ИИ для решения проблем реакторной физики представляет научный и практический интерес, поскольку они могут быть адаптированы для широкого спектра задач, включая: мониторинг параметров, оптимизацию конструкции и режимов работы, обработку экспериментальных данных. Основная трудность, возникающая при разработке таких интеллектуальных систем, связана с инженерно-технической сложностью ядерных установок, что требует не только систематизации статистических методов и ИИ-алгоритмов, а также экспертного анализа при интерпретации обобщенных закономерностей, описывающих протекание физических процессов в ядерном реакторе.
В настоящей работе предложен подход, направленный на расширение существующих возможностей опережающего моделирования и оптимизацию эксплуатационных характеристик исследовательского ядерного реактора ИРТ-Т, основанный на суррогатном (эмпирическом) моделировании [2] процессов формирования энерговыделения, запаса реактивности активной зоны и алгоритмизированном поиске схем загрузок топлива.
Объектом исследования в диссертационной работе является активная зона исследовательского ядерного реактора ИРТ-Т и ее компоненты: топливные элементы, поглощающие стержни и отражатель.
Предметами исследования в диссертационной работе являются пространственные характеристики выгорания, нуклидный состав топлива, процессы формирования, изменения энергонапряженности в топливных элементах и запаса реактивности активной зоны реактора ИРТ-Т в зависимости от топливных конфигураций и положений поглощающих стержней.
Целью диссертационной работы является расширение подходов опережающего моделирования и обеспечение оптимальных эксплуатационных характеристик активной зоны исследовательского реактора ИРТ-Т методами машинного обучения.
Для достижения поставленной цели были сформулированы следующие задачи:
- разработка метода математической реконструкции нуклидного состава топлива, учитывающего неравномерность выгорания в гетерогенной структуре ячеек и топливных элементов для восстановления актуальных состояний активной зоны реактора ИРТ-Т;
- разработка алгоритма генерации искусственных схем загрузок топлива для формирования массива данных, описывающего реактивностные характеристики активной зоны и особенности распределения энерговыделения в топливных элементах;
- разработка прогнозных ИИ-моделей для определения запаса реактивности, распределения энерговыделения в ячейках и наиболее напряженных топливных элементах активной зоны в зависимости от схемы загрузки топлива и положений поглощающих стрежней;
- разработка метода алгоритмизированного поиска топливных конфигураций, основанного на механизмах метаэвристического генетического алгоритма и прогнозных моделях для формирования оптимальных НФХ активной зоны реактора ИРТ-Т.
Научная новизна. В диссертационном исследовании предложен и реализован подход, основанный на применении ПС MCU-PTR, прогнозных моделей и алгоритма адаптивного поиска топливных загрузок по заданным критериям. Это позволило объединить точность ММК со скоростью и гибкостью ИИ, расширить подходы опережающего расчетного сопровождения и формировать оптимальные эксплуатационные характеристики активной зоны реактора ИРТ-Т при перегрузках.
Впервые разработан алгоритм математической реконструкции нуклидного состава топлива, учитывающий неравномерность выгорания урана-235 в гетерогенной структуре тепловыделяющих сборок, что позволяет «воссоздавать» актуальные состояния активной зоны реактора ИРТ-Т с общей точностью не менее 97 %.
Впервые разработаны прогнозные ИИ-модели, позволяющие прогнозировать неравномерность распределения энерговыделения в ячейках, наиболее энергонапряженные топливные элементы и реактивностные характеристики активной зоны реактора ИРТ-Т в зависимости от эксплуатационных картограмм выгорания топлива и положений поглощающих стержней.
Впервые предложен и разработан метод случайного направленного поиска топливных загрузок, включающий в себя алгоритмы перестановок тепловыделяющих сборок на основе эволюционных механизмов и ИИ-модели для предсказания НФХ активной зоны. По сравнению с традиционным подходом, автоматизированный и адаптивный подбор схем загрузок активной зоны реактора ИРТ-Т основан на анализе и отборе подходящих решений среди 10-12 тысяч генерируемых вариантов, что обеспечивает формирование оптимальных НФХ.
Теоретическая и практическая значимость работы. Результаты, представленные в диссертационной работе, вносят вклад в развитие исследований, направленных на расширение существующих знаний и подходов к оптимизации эксплуатационных характеристик активных зон исследовательских реакторов и расчетному (опережающему) моделированию за счет предложенной архитектуры «прецизионный код - ИИ», которая позволяет определять НФХ и формировать оптимальные топливные конфигурации активной зоны реактора ИРТ-Т.
Подходы, предложенные для реконструкции нуклидного состава топлива и генерации случайных загрузок, позволили установить особенности процессов выгорания топлива и перераспределения энерговыделения в гетерогенной структуре топливных элементов активной зоны реактора ИРТ-Т. Это позволяет анализировать схемы загрузок топлива и оценивать предельные тепловые нагрузки на топливные элементы.
Разработанные на основе ИИ прогнозные модели учитывают степень выгорания топлива в ячейках, эффекты «отравления» бериллия и положения поглощающих стержней, что позволяет без применения ресурсозатратного ММК определять энергонапряженность топливных ячеек и реактивностные характеристики активной зоны реактора ИРТ-Т в условиях реальных эксплуатационных циклов.
Алгоритм адаптивного поиска на основе механизмов генетического алгоритма и ИИ-моделей обеспечивает подбор топливных конфигураций с оптимальными энергонапряженностью и запасом реактивности, что позволило увеличить скорость подготовки программ перестановок активной зоны в среднем в 240 раз, увеличить длительность кампаний реактора ИРТ-Т более чем на 11 % и повысить стабильность нейтронного излучения в экспериментальных каналах на 15 %.
Представленные результаты обладают потенциалом для дальнейшего развития, аттестации и внедрения в полномасштабный производственный цикл расчетного сопровождения на базе действующих исследовательских ядерных установок.
Методология диссертационного исследования состоит в использовании комплекса расчетных и статистических методов:
- для определения особенностей распределения выгорания в гетерогенной структуре топливных элементов и математической реконструкции полученных зависимостей применялись прецизионное ПС MCU-PTR, программная обработка результатов моделирования, их аппроксимация на основе закономерностей, характеризующих физические процессы в активной зоне реактора, а также одномерное сплайн-сглаживание по методу наименьших квадратов.
- для установления обобщенных закономерностей формирования энерговыделения в топливных ячейках были использованы инструменты статистики, в том числе, описательная статистика, корреляционный анализ и аппроксимация на основе полуэмпирических закономерностей. Разработка прогнозных моделей проводилась на основе алгоритмов машинного обучения и нейтросетевых архитектур, для оценки которых применялись общепринятые и оригинальные статистические показатели (функции потерь).
- для оптимизации топливных загрузок был разработан оригинальный программный код, в котором отражены: интеграция модификаторов перестановок топлива с прогнозными моделями, математическая формализация функции приспособленности на основе взвешенной линейной комбинации целевых функций. Были разработаны оригинальные математические функции регуляризации процесса направленного поиска для формирования симметричных пар тепловыделяющих сборок, характеризующих реальные схемы загрузки активной зоны реактора ИРТ-Т.
Обработка расчетно-экспериментальных значений и сопоставление результатов проводились с использованием методов математической статистики.
Научные положения, выносимые на защиту:
1. Метод математической реконструкции нуклидного состава,
учитывающий неравномерность выгорания в гетерогенной структуре топливных элементов, позволяет восстанавливать эксплуатационные состояния активной зоны реактора ИРТ-Т с погрешностью ядерных концентраций 3 %, пространственных распределений не более 5 %, реактивностных характеристик не более 0,38 Рэфф, что не превышает максимальную погрешность аттестованной модели ПС MCU-PTR.
2. На основе интеграции прецизионного моделирования (ПС MCU-PTR) и машинного обучения разработаны объяснимые суррогатные ИИ-модели, которые учитывают картограммы выгорания топлива и положения поглощающих стержней, что позволяет предсказывать энергонапряженность топливных ячеек и реактивностные характеристики эксплуатационных компоновок активной зоны реактора ИРТ-Т с погрешностями 0,036 и 0,51 рэфф, соответственно.
3. Метод случайного направленного поиска на основе генетического алгоритма и прогнозных моделей обеспечивает подбор оптимальных схем загрузок активной зоны реактора ИРТ-Т, что позволяет увеличить эффективность использования топлива более чем на 11 %, повысить стабильность нейтронного излучения в экспериментальных каналах более чем на 15 %.
Соответствие паспорту научной специальности. Диссертационное исследование направлено на разработку математических методов анализа, обработки данных, моделирование физических процессов, протекающих в активной зоне, с целью определения и оптимизации эксплуатационных характеристик реактора ИРТ-Т, что соответствует паспорту научной специальности 1.3.2 Приборы и методы экспериментальной физики в части: п.8 «Разработка и создание средств автоматизации физического эксперимента», п.9 «Разработка методов математической обработки экспериментальных результатов», п.10 «Моделирование физических явлений и процессов».
Достоверность полученных результатов обеспечивается физической обоснованностью решаемых задач, использованием статистических методов обработки и анализа результатов, согласованностью с экспериментальными данными реактора ИРТ-Т и эталонными результатами прецизионного моделирования в ПС MCU-PTR.
Личный вклад автора состоит в постановке научной проблемы, цели и задач исследования, разработке алгоритмов и расчетных кодов, проведении расчетных исследований и подготовке экспериментальных данных. Автор принимал участие в подготовке научных статей и представлении результатов работы на всероссийских и международных конференциях и семинарах. Результаты, представленные в диссертационном исследовании, получены автором лично или при его непосредственном участии.
Апробация работы
Основные результаты диссертационной работы были представлены на всероссийских и международных семинарах и конференциях:
- Technical Meeting on Safety Considerations in the Use of Advanced Technologies at Research Reactors, МАГАТЭ, Австрия, 2024 г.
- 8-я Международная конференция по глубокому обучению в
вычислительной физике (DLCP2024), Москва, 2024 г.
- 32-я Всероссийская научно-техническая конференция «Нейтроннофизические проблемы атомной энергетики» («Нейтроника-2024»), Обнинск, 2024 г.
- XXIX Международная научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР - 2024», Томск, 2024 г.
- Х Международная конференция «Атомная энергетика, ядерные и радиационные технологии XXI века», Минск, 2024 г.
- XXIII научная школа молодых ученых ИБРАЭ РАН, Москва, 2024 г.
- Международная молодежная научная конференции «Тинчуринские чтения- 2024 «Энергетика и цифровая трансформация», Казань, 2024 г.
- Всероссийская научно-практическая конференция, посвященная 75-летию со дня основания Сибирского химического комбината «Новая технологическая платформа атомной энергетики», Томск, 2024 г.
- Всероссийская научно-практическая конференция «Новая
технологическая платформа атомной энергетики», Томск, 2024 г.
- I Всероссийская научно-практическая конференции «Интеллектуальная энергетика», Томск, 2023 г.
- III Международная научная конференция молодых ученых, аспирантов и студентов, Томск, 2023 г.
- «Science and Youth TVEL» международная открытая научнотехническую конференция молодежного движения топливной компании АО «ТВЭЛ», Томск, 2023 г.
Публикации
По основным результатам исследований опубликованы 10 работ, из них 3 опубликованы в изданиях, рекомендованных ВАК, 7 в журналах, индексируемых базами данных SCOPUS и Web of Science.
Структура и объем
Диссертация состоит из введения, четырех глав, заключения и списка литературы из 131 наименования. Работа изложена на 177 станицах, включая 78 рисунков и 31 таблицу.
Важную роль в развитии новых разработок играют исследовательские ядерные реакторы (ИЯР), обладающие компактными размерами активной зоны, большим количеством экспериментальных каналов и устройств. Работы, проводимые на базе ИЯР посвящены изучению фундаментальных и прикладных процессов, разработке новых технологий и материалов, а также наработке радиоизотопной продукции технического и медицинского назначения. Повышение производственных возможностей ИЯР - одно из ключевых направлений для увеличения объемов и качества проводимых исследований, которое требует проведения комплекса расчетно-экспериментальных работ для обоснования безопасности и эффективной эксплуатации.
Большой объем исследований, проводимых на базе ИЯР, осуществляется с использованием программных средств (ПС), которые позволяют моделировать физические процессы, протекающие в активной зоне. В качестве традиционного подхода к определению характеристик излучения используются математические модели на основе генератора случайных чисел (метод Монте-Карло, ММК) [1]. Они являются универсальными и обладают высокой точностью, что позволяет определять нейтронно-физические характеристики (НФХ) в гетерогенной структуре активной зоны. Моделирование вероятностных характеристик ММК требует больших (кластерных) вычислительных мощностей, что является существенным недостатком и накладывает ограничения на количество проводимых расчетно-экспериментальных обоснований. Для нивелирования недостатков ММК распространено применение аналитических и инженерных кодов, позволяющих проводить оценочные (первичные) расчеты отдельных элементов и узлов, которые впоследствии могут быть уточнены. Однако ограничения и упрощения, реализованные в таких кодах, являются причиной накопления статистической ошибки, что может привести к неверному конечному результату.
Стремительное развитие информационных технологий, сопровождающееся ростом производительности вычислительных систем, открывает возможности для создания и адаптации новых методов моделирования. К таким подходам можно отнести инструменты и алгоритмы искусственного интеллекта (ИИ), которые используют не фундаментальные физические законы, а обобщенные статистические методы в совокупности с многолетним накопленным опытом (массивы данных). Ключевая особенность ИИ-моделей - возможность обучаться и обобщать характер распределений данных, что позволяет описывать изученные процессы, предсказывать новые значения и находить более оптимальные решения в задачах, где расчетные методы менее эффективны или не могут быть применены.
Использование технологий ИИ для решения проблем реакторной физики представляет научный и практический интерес, поскольку они могут быть адаптированы для широкого спектра задач, включая: мониторинг параметров, оптимизацию конструкции и режимов работы, обработку экспериментальных данных. Основная трудность, возникающая при разработке таких интеллектуальных систем, связана с инженерно-технической сложностью ядерных установок, что требует не только систематизации статистических методов и ИИ-алгоритмов, а также экспертного анализа при интерпретации обобщенных закономерностей, описывающих протекание физических процессов в ядерном реакторе.
В настоящей работе предложен подход, направленный на расширение существующих возможностей опережающего моделирования и оптимизацию эксплуатационных характеристик исследовательского ядерного реактора ИРТ-Т, основанный на суррогатном (эмпирическом) моделировании [2] процессов формирования энерговыделения, запаса реактивности активной зоны и алгоритмизированном поиске схем загрузок топлива.
Объектом исследования в диссертационной работе является активная зона исследовательского ядерного реактора ИРТ-Т и ее компоненты: топливные элементы, поглощающие стержни и отражатель.
Предметами исследования в диссертационной работе являются пространственные характеристики выгорания, нуклидный состав топлива, процессы формирования, изменения энергонапряженности в топливных элементах и запаса реактивности активной зоны реактора ИРТ-Т в зависимости от топливных конфигураций и положений поглощающих стержней.
Целью диссертационной работы является расширение подходов опережающего моделирования и обеспечение оптимальных эксплуатационных характеристик активной зоны исследовательского реактора ИРТ-Т методами машинного обучения.
Для достижения поставленной цели были сформулированы следующие задачи:
- разработка метода математической реконструкции нуклидного состава топлива, учитывающего неравномерность выгорания в гетерогенной структуре ячеек и топливных элементов для восстановления актуальных состояний активной зоны реактора ИРТ-Т;
- разработка алгоритма генерации искусственных схем загрузок топлива для формирования массива данных, описывающего реактивностные характеристики активной зоны и особенности распределения энерговыделения в топливных элементах;
- разработка прогнозных ИИ-моделей для определения запаса реактивности, распределения энерговыделения в ячейках и наиболее напряженных топливных элементах активной зоны в зависимости от схемы загрузки топлива и положений поглощающих стрежней;
- разработка метода алгоритмизированного поиска топливных конфигураций, основанного на механизмах метаэвристического генетического алгоритма и прогнозных моделях для формирования оптимальных НФХ активной зоны реактора ИРТ-Т.
Научная новизна. В диссертационном исследовании предложен и реализован подход, основанный на применении ПС MCU-PTR, прогнозных моделей и алгоритма адаптивного поиска топливных загрузок по заданным критериям. Это позволило объединить точность ММК со скоростью и гибкостью ИИ, расширить подходы опережающего расчетного сопровождения и формировать оптимальные эксплуатационные характеристики активной зоны реактора ИРТ-Т при перегрузках.
Впервые разработан алгоритм математической реконструкции нуклидного состава топлива, учитывающий неравномерность выгорания урана-235 в гетерогенной структуре тепловыделяющих сборок, что позволяет «воссоздавать» актуальные состояния активной зоны реактора ИРТ-Т с общей точностью не менее 97 %.
Впервые разработаны прогнозные ИИ-модели, позволяющие прогнозировать неравномерность распределения энерговыделения в ячейках, наиболее энергонапряженные топливные элементы и реактивностные характеристики активной зоны реактора ИРТ-Т в зависимости от эксплуатационных картограмм выгорания топлива и положений поглощающих стержней.
Впервые предложен и разработан метод случайного направленного поиска топливных загрузок, включающий в себя алгоритмы перестановок тепловыделяющих сборок на основе эволюционных механизмов и ИИ-модели для предсказания НФХ активной зоны. По сравнению с традиционным подходом, автоматизированный и адаптивный подбор схем загрузок активной зоны реактора ИРТ-Т основан на анализе и отборе подходящих решений среди 10-12 тысяч генерируемых вариантов, что обеспечивает формирование оптимальных НФХ.
Теоретическая и практическая значимость работы. Результаты, представленные в диссертационной работе, вносят вклад в развитие исследований, направленных на расширение существующих знаний и подходов к оптимизации эксплуатационных характеристик активных зон исследовательских реакторов и расчетному (опережающему) моделированию за счет предложенной архитектуры «прецизионный код - ИИ», которая позволяет определять НФХ и формировать оптимальные топливные конфигурации активной зоны реактора ИРТ-Т.
Подходы, предложенные для реконструкции нуклидного состава топлива и генерации случайных загрузок, позволили установить особенности процессов выгорания топлива и перераспределения энерговыделения в гетерогенной структуре топливных элементов активной зоны реактора ИРТ-Т. Это позволяет анализировать схемы загрузок топлива и оценивать предельные тепловые нагрузки на топливные элементы.
Разработанные на основе ИИ прогнозные модели учитывают степень выгорания топлива в ячейках, эффекты «отравления» бериллия и положения поглощающих стержней, что позволяет без применения ресурсозатратного ММК определять энергонапряженность топливных ячеек и реактивностные характеристики активной зоны реактора ИРТ-Т в условиях реальных эксплуатационных циклов.
Алгоритм адаптивного поиска на основе механизмов генетического алгоритма и ИИ-моделей обеспечивает подбор топливных конфигураций с оптимальными энергонапряженностью и запасом реактивности, что позволило увеличить скорость подготовки программ перестановок активной зоны в среднем в 240 раз, увеличить длительность кампаний реактора ИРТ-Т более чем на 11 % и повысить стабильность нейтронного излучения в экспериментальных каналах на 15 %.
Представленные результаты обладают потенциалом для дальнейшего развития, аттестации и внедрения в полномасштабный производственный цикл расчетного сопровождения на базе действующих исследовательских ядерных установок.
Методология диссертационного исследования состоит в использовании комплекса расчетных и статистических методов:
- для определения особенностей распределения выгорания в гетерогенной структуре топливных элементов и математической реконструкции полученных зависимостей применялись прецизионное ПС MCU-PTR, программная обработка результатов моделирования, их аппроксимация на основе закономерностей, характеризующих физические процессы в активной зоне реактора, а также одномерное сплайн-сглаживание по методу наименьших квадратов.
- для установления обобщенных закономерностей формирования энерговыделения в топливных ячейках были использованы инструменты статистики, в том числе, описательная статистика, корреляционный анализ и аппроксимация на основе полуэмпирических закономерностей. Разработка прогнозных моделей проводилась на основе алгоритмов машинного обучения и нейтросетевых архитектур, для оценки которых применялись общепринятые и оригинальные статистические показатели (функции потерь).
- для оптимизации топливных загрузок был разработан оригинальный программный код, в котором отражены: интеграция модификаторов перестановок топлива с прогнозными моделями, математическая формализация функции приспособленности на основе взвешенной линейной комбинации целевых функций. Были разработаны оригинальные математические функции регуляризации процесса направленного поиска для формирования симметричных пар тепловыделяющих сборок, характеризующих реальные схемы загрузки активной зоны реактора ИРТ-Т.
Обработка расчетно-экспериментальных значений и сопоставление результатов проводились с использованием методов математической статистики.
Научные положения, выносимые на защиту:
1. Метод математической реконструкции нуклидного состава,
учитывающий неравномерность выгорания в гетерогенной структуре топливных элементов, позволяет восстанавливать эксплуатационные состояния активной зоны реактора ИРТ-Т с погрешностью ядерных концентраций 3 %, пространственных распределений не более 5 %, реактивностных характеристик не более 0,38 Рэфф, что не превышает максимальную погрешность аттестованной модели ПС MCU-PTR.
2. На основе интеграции прецизионного моделирования (ПС MCU-PTR) и машинного обучения разработаны объяснимые суррогатные ИИ-модели, которые учитывают картограммы выгорания топлива и положения поглощающих стержней, что позволяет предсказывать энергонапряженность топливных ячеек и реактивностные характеристики эксплуатационных компоновок активной зоны реактора ИРТ-Т с погрешностями 0,036 и 0,51 рэфф, соответственно.
3. Метод случайного направленного поиска на основе генетического алгоритма и прогнозных моделей обеспечивает подбор оптимальных схем загрузок активной зоны реактора ИРТ-Т, что позволяет увеличить эффективность использования топлива более чем на 11 %, повысить стабильность нейтронного излучения в экспериментальных каналах более чем на 15 %.
Соответствие паспорту научной специальности. Диссертационное исследование направлено на разработку математических методов анализа, обработки данных, моделирование физических процессов, протекающих в активной зоне, с целью определения и оптимизации эксплуатационных характеристик реактора ИРТ-Т, что соответствует паспорту научной специальности 1.3.2 Приборы и методы экспериментальной физики в части: п.8 «Разработка и создание средств автоматизации физического эксперимента», п.9 «Разработка методов математической обработки экспериментальных результатов», п.10 «Моделирование физических явлений и процессов».
Достоверность полученных результатов обеспечивается физической обоснованностью решаемых задач, использованием статистических методов обработки и анализа результатов, согласованностью с экспериментальными данными реактора ИРТ-Т и эталонными результатами прецизионного моделирования в ПС MCU-PTR.
Личный вклад автора состоит в постановке научной проблемы, цели и задач исследования, разработке алгоритмов и расчетных кодов, проведении расчетных исследований и подготовке экспериментальных данных. Автор принимал участие в подготовке научных статей и представлении результатов работы на всероссийских и международных конференциях и семинарах. Результаты, представленные в диссертационном исследовании, получены автором лично или при его непосредственном участии.
Апробация работы
Основные результаты диссертационной работы были представлены на всероссийских и международных семинарах и конференциях:
- Technical Meeting on Safety Considerations in the Use of Advanced Technologies at Research Reactors, МАГАТЭ, Австрия, 2024 г.
- 8-я Международная конференция по глубокому обучению в
вычислительной физике (DLCP2024), Москва, 2024 г.
- 32-я Всероссийская научно-техническая конференция «Нейтроннофизические проблемы атомной энергетики» («Нейтроника-2024»), Обнинск, 2024 г.
- XXIX Международная научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР - 2024», Томск, 2024 г.
- Х Международная конференция «Атомная энергетика, ядерные и радиационные технологии XXI века», Минск, 2024 г.
- XXIII научная школа молодых ученых ИБРАЭ РАН, Москва, 2024 г.
- Международная молодежная научная конференции «Тинчуринские чтения- 2024 «Энергетика и цифровая трансформация», Казань, 2024 г.
- Всероссийская научно-практическая конференция, посвященная 75-летию со дня основания Сибирского химического комбината «Новая технологическая платформа атомной энергетики», Томск, 2024 г.
- Всероссийская научно-практическая конференция «Новая
технологическая платформа атомной энергетики», Томск, 2024 г.
- I Всероссийская научно-практическая конференции «Интеллектуальная энергетика», Томск, 2023 г.
- III Международная научная конференция молодых ученых, аспирантов и студентов, Томск, 2023 г.
- «Science and Youth TVEL» международная открытая научнотехническую конференция молодежного движения топливной компании АО «ТВЭЛ», Томск, 2023 г.
Публикации
По основным результатам исследований опубликованы 10 работ, из них 3 опубликованы в изданиях, рекомендованных ВАК, 7 в журналах, индексируемых базами данных SCOPUS и Web of Science.
Структура и объем
Диссертация состоит из введения, четырех глав, заключения и списка литературы из 131 наименования. Работа изложена на 177 станицах, включая 78 рисунков и 31 таблицу.
По результатам, представленным в диссертационном исследовании, сформулированы основные выводы:
1. Для активной зоны исследовательского реактора ИРТ-Т характерны
эффекты локального роста и перераспределения энерговыделения в топливных ячейках, что оказывает влияние на характеристики нейтронного излучения в экспериментальных устройствах, энергонапряженность твэлов и
продолжительность топливной кампании. Для оптимизации текущего процесса РСЭ и эксплуатационных характеристик реактора ИРТ-Т предложена интеграция ПС MCU-PTR (метода Монте-Карло) и машинного обучения для создания суррогатных (прогнозных) моделей с целью «ускорения» трудоемких расчетных процессов, при сохранении точности. Для формирования топливной компоновки активной зоны предложено реализовать алгоритм поиска относительно критериев «оптимальности».
2. Разработан метод генерации нуклидного состава топлива, основанный на математической реконструкции ядерных концентраций. Подход учитывает неравномерности выгорания топлива в гетерогенной структуре активной зоны и тепловыделяющих элементов, что позволяет «воссоздавать» актуальный состав топлива расчетной модели. На основе сопоставления с эталонными расчетами определена средняя погрешность реконструкции нуклидного состава, которая составила не более 3 %, при погрешности определения КНРЭ в ячейках не более
4,6 %. Средняя точность пространственных распределений энерговыделения при реконструкции состава топлива составила 95 %. Сопоставление полученных результатов с экспериментальными данными реактора показало, что САО от запаса реактивности и критичности реактора не превышает 0,31 рэфф и 0,38 рэфф, соответственно, при максимальной погрешности ПС MCU-PTR ±2,5 рэфф.
3. Разработаны суррогатные модели для предсказания распределения энерговыделения в топливных ячейках, размножающих свойств активной зоны с учетом положений поглощающих стержней и максимальной энергонапряженности топливных элементов. Тестовая точность определения значений КНРЭ и запаса
реактивности на основе прогнозной модели (GBR) составила 98 % и 97 %, при САО 0,014 и 0,33 рэфф, соответственно. Точность прогнозов максимальной энергонапряженности в топливных ячейках на основе разработанного нейросетевого алгоритма (MLP_MTL + Residual-блок) составила 93 %, при САО 0,037. Верификация моделей на основе SHAP-тестов и обобщенных зависимостей показала, что формируемые прогнозы интерпретируемы (объясняемый ИИ), устойчивы к «шумам» и адаптивны даже к незначительным изменениям. Валидация моделей проводилась на основе сопоставления с эталонными расчетами (аттестованная модель ПС MCU-PTR) и экспериментальными данными реактора ИРТ-Т: погрешность определения значений КНРЭ, запаса реактивности и критичности реактора составили 0,036, 0,39 рэфф и 0,51 рэфф, соответственно, что не превышает паспортные погрешности аттестованной модели. Точность определения интегральной эффективности групп РО КО1 и КО2 составила 95 %, что свидетельствует о возможности применения разработанных моделей для определения характеристик реактора ИРТ-Т при РСЭ.
4. Разработан метод поиска топливных загрузок активной зоны реактора ИРТ-Т, включающий в себя перестановки с помощью механизмов генетического алгоритма и суррогатные модели для определения НФХ анализируемых решений. Тестирование метода проводилось на основе оптимизации «прошлых» топливных загрузок, сопоставлении с экспериментальными примерами и показало: алгоритм способен находить оптимальную загрузку, затрачивая от 60 до 120 секунд процессорного времени. Подход позволяет примерно в 240 раз сократить временные затраты на формирование компоновок, по сравнению с традиционным «ручным» методом. По результатам опытной эксплуатации на реакторе ИРТ-Т в 2024 г. метод позволил увеличить продолжительность топливных циклов более чем на 11 %, что свидетельствует о повышении экономической эффективности использовании топлива. При использовании ГА изменение интенсивности нейтронного излучения в каналах при перегрузках снизилось с 20-35 % до 10- 15 %, что обуславливает повышение стабильности проводимых научных и производственных работ на реакторе ИРТ-Т.
5. Результаты диссертационного исследования имеют потенциал для адаптация относительно существующих исследовательских реакторов с целью оптимизации эксплуатационных характеристик, а также могут быть использованы для разработки новых программных пакетов и комплексов для расчетного сопровождения эксплуатации ядерных реакторов.
1. Для активной зоны исследовательского реактора ИРТ-Т характерны
эффекты локального роста и перераспределения энерговыделения в топливных ячейках, что оказывает влияние на характеристики нейтронного излучения в экспериментальных устройствах, энергонапряженность твэлов и
продолжительность топливной кампании. Для оптимизации текущего процесса РСЭ и эксплуатационных характеристик реактора ИРТ-Т предложена интеграция ПС MCU-PTR (метода Монте-Карло) и машинного обучения для создания суррогатных (прогнозных) моделей с целью «ускорения» трудоемких расчетных процессов, при сохранении точности. Для формирования топливной компоновки активной зоны предложено реализовать алгоритм поиска относительно критериев «оптимальности».
2. Разработан метод генерации нуклидного состава топлива, основанный на математической реконструкции ядерных концентраций. Подход учитывает неравномерности выгорания топлива в гетерогенной структуре активной зоны и тепловыделяющих элементов, что позволяет «воссоздавать» актуальный состав топлива расчетной модели. На основе сопоставления с эталонными расчетами определена средняя погрешность реконструкции нуклидного состава, которая составила не более 3 %, при погрешности определения КНРЭ в ячейках не более
4,6 %. Средняя точность пространственных распределений энерговыделения при реконструкции состава топлива составила 95 %. Сопоставление полученных результатов с экспериментальными данными реактора показало, что САО от запаса реактивности и критичности реактора не превышает 0,31 рэфф и 0,38 рэфф, соответственно, при максимальной погрешности ПС MCU-PTR ±2,5 рэфф.
3. Разработаны суррогатные модели для предсказания распределения энерговыделения в топливных ячейках, размножающих свойств активной зоны с учетом положений поглощающих стержней и максимальной энергонапряженности топливных элементов. Тестовая точность определения значений КНРЭ и запаса
реактивности на основе прогнозной модели (GBR) составила 98 % и 97 %, при САО 0,014 и 0,33 рэфф, соответственно. Точность прогнозов максимальной энергонапряженности в топливных ячейках на основе разработанного нейросетевого алгоритма (MLP_MTL + Residual-блок) составила 93 %, при САО 0,037. Верификация моделей на основе SHAP-тестов и обобщенных зависимостей показала, что формируемые прогнозы интерпретируемы (объясняемый ИИ), устойчивы к «шумам» и адаптивны даже к незначительным изменениям. Валидация моделей проводилась на основе сопоставления с эталонными расчетами (аттестованная модель ПС MCU-PTR) и экспериментальными данными реактора ИРТ-Т: погрешность определения значений КНРЭ, запаса реактивности и критичности реактора составили 0,036, 0,39 рэфф и 0,51 рэфф, соответственно, что не превышает паспортные погрешности аттестованной модели. Точность определения интегральной эффективности групп РО КО1 и КО2 составила 95 %, что свидетельствует о возможности применения разработанных моделей для определения характеристик реактора ИРТ-Т при РСЭ.
4. Разработан метод поиска топливных загрузок активной зоны реактора ИРТ-Т, включающий в себя перестановки с помощью механизмов генетического алгоритма и суррогатные модели для определения НФХ анализируемых решений. Тестирование метода проводилось на основе оптимизации «прошлых» топливных загрузок, сопоставлении с экспериментальными примерами и показало: алгоритм способен находить оптимальную загрузку, затрачивая от 60 до 120 секунд процессорного времени. Подход позволяет примерно в 240 раз сократить временные затраты на формирование компоновок, по сравнению с традиционным «ручным» методом. По результатам опытной эксплуатации на реакторе ИРТ-Т в 2024 г. метод позволил увеличить продолжительность топливных циклов более чем на 11 %, что свидетельствует о повышении экономической эффективности использовании топлива. При использовании ГА изменение интенсивности нейтронного излучения в каналах при перегрузках снизилось с 20-35 % до 10- 15 %, что обуславливает повышение стабильности проводимых научных и производственных работ на реакторе ИРТ-Т.
5. Результаты диссертационного исследования имеют потенциал для адаптация относительно существующих исследовательских реакторов с целью оптимизации эксплуатационных характеристик, а также могут быть использованы для разработки новых программных пакетов и комплексов для расчетного сопровождения эксплуатации ядерных реакторов.
